纯向量检索用 Embedding 模型用户问「振动异常」知识库写「振动超标」——搜不到。混合检索就是答案。单一检索的局限上篇我搭好了 RAG 管道文本分块 → Embedding → Milvus → 检索。跑 10 条测试查询纯向量检索的命中率约 60%。60% 的意思是10 个问题中有 4 个搜不到正确答案。为什么搜不到用户问「传送带跑偏了怎么调」知识库写「传送带跑偏调整方法1)调节张紧装置…」Embedding 模型觉得这两句话不太像 → 向量距离远 → 检索失败。Embedding 模型理解「语义」但它不完全懂中文口语和专业术语的细微差异。这是所有 Embedding 的共性问题——尤其在使用多语言通用模型时。方案向量 关键词双路召回Dense向量检索擅长语义匹配——「温度高」能匹配「发热异常」。Sparse关键词检索擅长精确匹配——「传送带」必须命中「传送带」。两者互补。这就是混合检索Hybrid Search。步骤 1加 BM25 稀疏检索BM25 是经典的 TF-IDF 变体核心逻辑是「词在少数文档中出现频率高 该文档和这个词相关」。我在Bm25Retriever中实现了一个简化版Bm25Retriever bm25 new Bm25Retriever(); bm25.index(documents); // 用户问 传送带跑偏 ListScoredDoc results bm25.search(传送带跑偏怎么调, 10); // → 能精确匹配到包含「传送带」和「调」的文档步骤 2RRF 融合两路检索结果怎么合并我用了RRFReciprocal Rank Fusion——一种简单但有效的融合算法RRF_score(d) sum over rankings: 1 / (k rank(d))k 60经典取值每个文档在两个排行榜中的排名越靠前RRF 分数越高。RrfFusion fusion new RrfFusion(); ListString fused fusion.fuse(denseResults, sparseResults, 5);步骤 3LLM 重排序拿到融合后的 Top-5 候选再用 LLM 精排——这是最后一公里。虽然这次编码里没上专门的 Cross-Encoder但原理一样候选文档 用户问题 → LLM 判断相关性 → 选 Top-3。实验数据三种策略对比我在 10 条测试查询上跑了三种策略策略命中率MRRDense Only纯向量~60%0.42BM25 Only纯关键词~70%0.48RRF Fused混合检索~90%0.68Dense Only 输在哪「传感器信号漂移」这条Embedding 模型没理解「漂移」「零点漂移」搜到了不相关的电气故障文档。BM25 Only 输在哪「CNC 主轴异响」这条知识库里写的是「CNC主轴异响」BM25 对「异响」和「异常噪音」这种同义词完全没辙。RRF Fused 为什么赢两种检索互补——向量错了的关键词能兜底关键词漏了的向量能补上。代码在 Agent 中启用混合检索我把整个混合检索管线封装成了带评估的端到端实验# 1. 摄入知识库 curl -X POST http://localhost:8080/api/rag/ingest/500 # 2. 运行评估Dense vs BM25 vs Fused curl -X POST http://localhost:8080/api/rag/evaluate # 返回 # { # DENSE_hitRate: 60.0%, DENSE_MRR: 0.420, # BM25_hitRate: 70.0%, BM25_MRR: 0.480, # FUSED_hitRate: 90.0%, FUSED_MRR: 0.680 # }什么时候需要混合检索场景推荐策略知识库 100 条查询单一纯 Dense 就够了包含专业术语/编号如 CNC-001加 BM25用户用口语提问加 BM25 Query Rewriting多语言混用纯 DenseBM25 分语言要调分词器判断标准很简单跑 10 条测试查询看命中率。如果 Dense Only 低于 70%加 BM25。加了之后还低于 80%加 Query Rewriting。一句话总结向量检索懂语义但不懂关键词BM25 懂关键词但不懂语义。RRF 融合让两个互相兜底90% 命中率是混合检索的基本盘。剩下的 10%靠 Query Rewriting 和更精准的分块。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】